数据中台与数据仓库的区别

文 | Smartbi大数据百科 2021-05-19 阅读次数：2827 次浏览

商业智能BI产品更多介绍：https://www.smartbi.com.cn/

商业智能BI产品更多介绍：点击前往

数据中台的数据来源期望是全域数据，包括：业务数据库，日志数据，埋点数据，爬虫数据，外部数据等，数据的来源可以是结构化数据或者非结构化的数据。

而传统数仓的数据来源主要是业务数据库，数据格式是以结构化数据为主。

目标是为了融合整个企业的全部数据，打通数据之间的隔阂，消除数据标准和口径不一致的问题。

数据中台通常会对来自多方面的的基础数据进行清洗，按照主题域概念建立多个以事物为主的主题域。比如用户主题域，商品主题域，渠道主题域，门店主题域等等。

数据中台遵循三个One的概念：One Data, One ID, One Service，就是说数据中台不仅仅是汇聚企业各种数据，而且让这些数据遵循相同的标准和口径，对事物的标识能统一或者相互关联，并且提供统一的数据服务接口。就像做菜一样，按照标准化的菜名，先把所有可能用到的材料都准备好。

而传统的数仓主要用来做BI的报表，目的性很单一，只抽取和清洗相关需要使用到的基础数据，进行建仓，然后再用来做领域分析，有的时候可能因为新增一张报表，就要从底层到上层再做一次加工和处理。

建立在数据中台上的数据应用不仅仅只是面向于BI报表，更多面向营销推荐，用户画像，AI决策分析，风险评估等。这些应用的特点比较轻，容易快速开发出来，因为重要的数据分析工作在数据中台已经完成并且沉淀，所以之前工作成果都能被多个应用共享。

而传统的数据仓库主要是面向报表或者高级可视化，数据应用的建设一般是面对相对确定的主题内容，在诸如数据建模，进行数据追踪与探查，深度挖掘层面存在较大的局限性。

数据中台一般都是建立在分布式计算平台和存储平台，理论上可以无限扩充平台的计算和存储能力。

而多数的传统数仓工具只是建立在传统关系数据库和单一服务器部署的基础上，一旦数据量变大，很容易出现存储、效率、计算的问题，其后续扩充存在较大的成本和时间。

申请试用了解更多

试用申请

更聪明的大数据分析软件，快速挖掘企业数据价值！